Esta página se ha traducido automáticamente del turco. Leer el original

Esta página es un resumen en turco, elaborado con ayuda de inteligencia artificial, del trabajo presentado en el 26.º Congreso Mundial de Psiquiatría. El trabajo pertenece a los autores que lo presentan; para citarlo, consulte la fuente original.

EV0920

Póster electrónicoPsiquiatría digital e inteligencia artificialEstudio de cohortes retrospectivo en dos centros (desarrollo de un modelo predictivo y validación externa)

Predicción del riesgo neuroquirúrgico temprano y de la detección tardía en el traumatismo craneal en urgencias mediante datos estructurados de la historia clínica electrónica disponibles en el momento del triaje

PREDICTING EARLY NEUROSURGICAL RISK AND DELAYED RECOGNITION IN EMERGENCY DEPARTMENT HEAD TRAUMA USING STRUCTURED TRIAGE-TIME EHR DATA

Presentado por: Salar Khan

País: United States of America

Institución: University of California, San Francisco

El modelo desarrollado con datos estructurados de la historia clínica electrónica disponibles en el momento del triaje superó al nivel de urgencia asignado en el triaje en el centro de desarrollo; no pudo trasladarse al segundo centro con sus coeficientes fijos, pero recuperó su superioridad al reajustarse localmente con el mismo conjunto de variables.

El objetivo fue identificar, en el momento del triaje, a la minoría de pacientes que acuden a urgencias por un traumatismo craneal y que necesitarán una intervención neuroquirúrgica en los días siguientes, y determinar si ello aporta un valor adicional respecto al nivel de urgencia asignado en el triaje; las herramientas existentes (Canadian CT Head Rule, New Orleans Criteria) seleccionan a los pacientes para pruebas de imagen, no según su riesgo quirúrgico, y ninguna funciona en el momento del triaje. Se trata de un estudio de cohortes retrospectivo de dos centros; se utilizaron extracciones desidentificadas de la historia clínica electrónica (electronic health record, EHR) y se siguieron las directrices de presentación de informes TRIPOD. En el centro de desarrollo (servicio de urgencias universitario de UCSF) se incluyeron 6.481 consultas de adultos por traumatismo craneal entre 2018-2023 y 100 intervenciones en las primeras 72 horas (1,5 %); se utilizaron regresión logística con penalización ridge con 12 variables disponibles en el momento del triaje (39 coeficientes), validación cruzada anidada a nivel de paciente, SMOTE dentro de cada partición, recalibración sigmoidea, partición temporal e intervalos de confianza del 95 % mediante bootstrap; en el centro de validación externa (ZSFG, centro de traumatología de nivel I de la red de atención a poblaciones vulnerables) se registraron 21.964 consultas y 356 eventos (1,6 %) entre 2018-2025, y el modelo con coeficientes fijos se evaluó mediante un protocolo definido antes de acceder a los datos externos. Para el desenlace a las 72 horas, los valores de AUC-ROC fueron los siguientes: nivel de urgencia del triaje por sí solo, 0,736 (UCSF) y 0,773 (ZSFG); modelo con coeficientes fijos, 0,813 (0,772-0,854) y 0,766 (0,740-0,791); reajuste local, de carácter exclusivamente exploratorio, 0,815 (0,793-0,836) en ZSFG. En la evaluación interna, el modelo superó al nivel de urgencia en capacidad discriminativa (+0,077) y en beneficio neto para umbrales del 0,5-14,8 % (puntuación de Brier de 0,015; tasa basal de 0,0148); en la validación externa, en una población con un nivel de urgencia mucho mayor (23 % frente al 1 % de clasificación urgente en el triaje), mantuvo una capacidad discriminativa moderada y la calibración (pendiente de 0,855; puntuación de Brier de 0,016), pero no superó al nivel de urgencia por sí solo (0,766 frente a 0,773); por su parte, el reajuste local con la misma definición de variables superó al nivel de urgencia en capacidad discriminativa y en beneficio neto para umbrales del 0,8-13,2 %. En el análisis de la carga de alertas, con una proporción permitida de falsos positivos/verdaderos positivos de 20:1 se obtuvo una sensibilidad del 72 % y 4,8 alertas semanales; con 30:1, un 85 % y 8,4 alertas; y con 50:1, un 97 % y 15,8 alertas; en el umbral de 30:1, la especificidad fue del 60 %, el valor predictivo positivo del 3,2 % y se señalaron el 41 % de las consultas; el 74 % de los eventos correspondieron a evacuación de hematomas o embolización. Entre las limitaciones se señalaron el bajo número de eventos por variable durante el desarrollo (2,6; con penalización ridge), la ausencia de capacidad discriminativa adicional respecto al nivel de urgencia del modelo con coeficientes fijos en la validación externa, la dependencia de la detección del desenlace respecto a la prestación asistencial, la inclusión de una sola área metropolitana, la evaluación de la equidad únicamente en función del sexo y la falta de registro independiente del protocolo. En conclusión, lo que se transfirió fue la definición de las variables, no los coeficientes; como siguiente paso se propusieron una nueva estimación a nivel de cada centro y una evaluación prospectiva en pacientes con un nivel de urgencia moderado o bajo.

Ir al póster original

¿Cómo citar este trabajo?

APA 7: Khan, S., et al. (2026, September 23-26). Predicting early neurosurgical risk and delayed recognition in emergency department head trauma using structured triage-time ehr data [E-poster]. 26th WPA World Congress of Psychiatry (WCP 2026), Stockholm, Sweden. https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/1194

Vancouver: Khan S, et al. Predicting early neurosurgical risk and delayed recognition in emergency department head trauma using structured triage-time ehr data [e-poster]. 26th WPA World Congress of Psychiatry (WCP 2026); 2026 Sep 23-26; Stockholm, Sweden. Available from: https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/1194

Los nombres de los autores y el formato del título se han generado automáticamente a partir del sistema del congreso; compárelos con el póster original antes de utilizarlos.

Todos los resúmenes del WCP 2026

Sitenin son güncellemesi: 8 Kasım 2026 · Site editörü: Doç. Dr. Alişan Burak Yaşar, info@alisanburak.com